Các bản phỏng vấn sau khi thu thập sẽ được xem xét và loại đi những bản không đạt yêu cầu. Sau đó sẽ được mã hóa, nhập liệu và làm sạch dữ liệu bằng phần mềm SPSS 16.0
Thông qua phần mềm SPSS, tác giả thực hiện phân tích dữ liệu bằng các công cụ như thống kê mô tả, kiểm định độ tin cậy của các thang đo, phân tích nhân tố khám phá EFA, phân tích hồi quy và phân tích khác biệt.
Phân tích Cronbach Alpha
Hệ số Cronbach Alpha được sử dụng để loại các biến không phù hợp. Các biến có hệ số tương quan biến – tổng nhỏ hơn 0.3 sẽ bị loại và tiêu chuẩn chọn thang đo khi alpha đạt từ 0.6 trở lên.
Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008, trang 24) cùng nhiều nhà nghiên cứu đồng ý rằng khi Cronbach Alpha có giá trị từ 0,8 đến gần 1 thì thang đo lường là tốt; từ 0,7 đến gần 0,8 là sử dụng được. Song cũng có nhà nghiên cứu đề nghị rằng Cronbach Alpha từ 0,6 trở lên là có thể sử dụng được trong trường hợp khái niệm đang đo lường là mới hoặc là mới đối với người trả lời trong bối cảnh nghiên cứu (Nunnally, 1978; Peterson, 1994; Slater, 1995)
Nguyễn Đình Thọ (2011, trang 350-351) cho rằng: “Về lý thuyết, Cronbach Alpha càng cao càng tốt (thang đo càng có độ tin cậy cao). Tuy nhiên điều này không thực sự như vậy. Hệ số Cronbach Alpha quá lớn (a > .95) cho thấy có nhiều biến trong thang đo không có khác biệt gì nhau (nghĩa là chúng cùng đo lường một nội dung nào đó của khái niệm nghiên cứu. Hiện tượng này được gọi là hiện tượng trùng lắp trong đo lường (redundancy)”
Tuy nhiên, hệ số Cronbach Alpha không cho biết nên loại bỏ biến nào và nên giữ lại biến nào. Do vậy, bên cạnh Cronbach Alpha người ta còn sử dụng hệ số tương quan biến tổng (item-total correlation). Theo Nunnally và Bernstein (1994, trích trong Nguyễn Đình Thọ 2011), nếu một biến đo lường có hệ số tương quan biến tổng (hiệu chỉnh) >= 0.3 thì biến đó đạt yêu cầu.
Phân tích nhân tố EFA
Phân tích nhân tố là tên chung của một nhóm các thủ tục được sử dụng chủ yếu để thu nhỏ và tóm tắt dữ liệu. Tiêu chuẩn áp dụng và chọn biến đối với phân tích nhân tố EFA bao gồm:
- Tiêu chuẩn Bartlett và hệ số KMO được dùng để đánh giá sự thích hợp của phân tích nhân tố EFA. EFA được gọi là thích hợp khi 0.5≤ KMO ≤1 và Sig < 0.05. Trường hợp KMO < 0.5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu (Hoàng Trọng và Chu Nguyễn Mộng Ngọc 2008).
- Tiêu chuẩn hệ số tải nhân tố (factor loading): biểu thị tương quan đơn giữa các biến với nhân tố, dùng để đánh giá mức ý nghĩa của EFA. Theo Hair và cộng sự (2006), factor loading >0.3 được xem là đạt mức tối thiểu; factor loading > 0.4 được xem là quan trọng; factor loading >0.5 được xem là có ý nghĩa thực tiễn. Bên cạnh đó, Hair & cộng sự (2006) cũng khuyên rằng: nếu chọn tiêu chuẩn factor loading > 0.3 thì cỡ mẫu ít nhất phải là 350, nếu cỡ mẫu khoảng 100 thì nên chọn tiêu chuẩn factor loading > 0.55, nếu cỡ mẫu khoảng 50 thì factor loading phải > 0.75
- Tiêu chuẩn rút trích nhân tố gồm chỉ số Eigenvalue và chỉ số Cumulative. Trong đó:
Eigenvalue đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố
Cumulative: tổng phương sai trích cho biết phân tích nhân tố giải thích được bao nhiêu % và bao nhiêu % bị thất thoát.
Các nhân tố chỉ được rút trích tại Eigenvalue > 1 và được chấp nhận khi tổng phương sai trích ≥ 50%
- Khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố >= 0.3 để đảm bảo giá trị phân biệt giữa các nhân tố.
- Phương pháp trích Principal Component Analysis với phép xoay Varimax và điểm dừng trích các yếu tố có eigenvalue >1
Phân tích hồi quy:
Trước khi tiến hành phân tích hồi quy ta cần xem xét các mối tương quan tuyến tính giữa tất cả các biến. Kế đến ta tiến hành phân tích hồi quy để xác định mức độ tác động của các biến độc lập đến biến phụ thuộc. Trình tự phân tích hồi quy tuyến tính được thực hiện như sau:
- Các biến được đưa vào phân tích hồi quy theo phương pháp Enter; - Để đánh giá độ phù hợp của mô hình hồi quy tuyến tính bội ta dùng hệ số R2 hiệu chỉnh (Adjusted R square) vì nó không phụ thuộc vào độ lệch phóng đại của R2;
- Kiểm định F để xem xét mức độ phù hợp của mô hình hồi quy tuyến tính tổng thể;
- Kiểm định t để bác bỏ giả thuyết các hệ số hồi quy của tổng thể bằng 0;
- Đánh giá mức độ tác động của các biến độc lập đến biến phụ thuộc thông qua hệ số Beta;
- Cuối cùng ta tiến hành dò tìm các vi phạm giả định cần thiết trong phân tích hồi quy.
Tóm tắt
Chương 3 trình bày quy trình nghiên cứu, thiết kế nghiên cứu định tính, kết quả nghiên cứu định tính, kết quả phát triển thang đo, thiết kế nghiên cứu định lượng, xác định mẫu nghiên cứu định lượng và các phương pháp phân tích dữ liệu. Đây là bước chuẩn bị cần thiết cho việc thực hiện và xác định kết quả nghiên cứu.
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU
Chương 3 đã trình bày phương pháp thực hiện nghiên cứu. Chương 4 này nhằm mục đích giới thiệu nghiên cứu định lượng sử dụng để đánh giá các thang đo lường các khái niệm nghiên cứu và kiểm định mô hình nghiên cứu cùng các giả thuyết đề ra.